У клиента, берущего салат, настоящий конкурент — бургер. Данные ваших заказов этого никогда не покажут.
Обучите рекомендательную систему холодного старта на собственной истории заказов — и она сделает очевидную ставку: покупателю салата нужен ещё один салат. Внеплатформенный потребительский сигнал говорит обратное. В одной домашней агломерации клиенты национальной сети салатов чаще пересекаются по покупкам с бургерной сетью фастфуда, чем с ближайшим прямым салатным конкурентом — 5,8% против 5,2%: порядок буквально переворачивается. В другом городе клиенты сети буррито пересекаются с бургерной сетью на 16%, тогда как ближайший конкурент той же кухни держится ниже 1% — разрыв в 17 раз, и ни одного прямого конкурента в топ-14. Та же картина в третьей кухне того же города: клиенты национальной сети кофеен пересекаются с бургерной сетью чаще, чем с любым прямым кофейным конкурентом (15,7% против 10,3%). Три категории. Два города. Непрямой конкурент каждый раз обходит прямого. Собственные данные платформы этого не покажут: они фиксируют лишь заказы, которые уже случились в вашем приложении, но не бургер, который покупатель салата выбрал где-то ещё. Именно в этой слепой зоне холодный старт ошибается — и именно её закрывают внеплатформенные данные о перекрёстных визитах потребителей.
Похожая кухня → похожий клиент
Рекомендательная система холодного старта, построенная на собственной истории платформы, раскладывает клиентов по типам кухни: любителям салатов — салаты, любителям буррито — буррито. Допущение естественное. И неверное. Ваше приложение фиксирует только то, что уже произошло внутри него, — и никогда не видит выбор вне платформы, который и раскрывает реальный набор рассматриваемых вариантов.
Настоящий соперник — из другой кухни, и он на первом месте
Для национальной салатной сети в её домашнем городе конкурент №1 по пересечению аудитории — непрямой фастфуд-бренд, стоящий выше ближайшего прямого салатного конкурента (5,8% против 5,2%). У сети буррито в другом городе все 14 главных конкурентов по пересечению — непрямые; ближайший конкурент той же кухни на 15-м месте с 0,96% против 16% у непрямого лидера. Национальная кофейная сеть в том же городе: бургерная сеть снова на первом месте, впереди ближайшего кофейного конкурента (15,7% против 10,3%). Правильная первая рекомендация в приложении требует знания всего рынка, а не только вашей собственной воронки.
- Рекомендации холодного старта — на основе реального набора рассматриваемых вариантов, а не грубых категорий кухонь
- Привлечение мерчантов — подписывайте тех продавцов, которых ваши клиенты уже выбирают вне платформы
- Запуск новой зоны — карта спроса ещё до первого заказа
- Таргетинг только что подключённых мерчантов — найдите правильных первых клиентов до появления истории заказов